Speechify今日宣布，其旗舰流式文本转语音模型Simba 3.2，在Voice Arena独立盲听榜单中并列第二。该榜单被广泛认为是当前AI语音质量最严格的公开评测之一。
在目前可投入生产的实时模型中，Simba 3.2是同价位里评分最高的，也因此成为市面上表现最强的实时AI语音模型之一。同一平台还为开发者提供业内公认领先的语音克隆技术。同一周，Simba 3.2也在Artificial Analysis文本转语音榜单上位居总榜第一，进一步巩固了公司在开发者和企业买家最看重的两大榜单中的领先地位。
关于Voice Arena
Voice Arena是一个独立的盲听评测平台，通过真实用户听感来评估AI语音模型。其方法借鉴了大语言模型排行常用的Chatbot Arena机制：向母语听众提供两段由同一文本生成的音频，但不透露来源，由听众投票选出更自然的一段。所有票数最终汇总为模型Elo分，榜单持续实时更新，更能反映真实用户偏好，而不是实验室里的打分。
榜单不看厂商自报的平均分，不用厂商自选的音频样例，也没有模型方内部评测。所有模型都在相同的真实文本和环境下，使用厂商均衡声音进行测试，而不是拿各自“最能打”的声音参评。评测覆盖六种语言，文本取自语音实际生产场景，包括语音助手、IVR系统、有声书和APP阅读器。评测方案由卡内基梅隆大学Shinji Watanabe教授担任顾问制订，他是语音技术领域被引用最多的学者之一。
Voice Arena榜单为何重要
Voice Arena之所以重要，在于它更贴近市场的真实决策方式。企业客户、产品团队和开发者选择AI语音模型，看的首先是听感，而不是声谱图或内部评分。Voice Arena也是目前唯一一个大规模、具统计意义、且不易被厂商操控的公开听感评测。业内普遍认为，Voice Arena排名越高，越能代表AI语音在真实世界中的实际表现。
Simba 3.2排名情况
Voice Arena目前将Simba 3.2评为总榜并列第二。在排名不低于它的模型中，有一款并非实时模型，无法用于需要即时响应的生产场景；另一款虽与Simba 3.2并列，但价格高出七倍。换句话说，如果你的产品既要控制成本，又要实时语音响应，Simba 3.2就是榜单中评分最高的选择。其入门价为每100万字符10美元，规模版为6美元，是目前最实惠的AI语音API之一。
最佳实时应用AI语音
Simba 3.2是一款专为实时语音场景打造的流式文本转语音模型，适用于语音助手、IVR系统、直播APP、电话系统以及其他需要即时响应的产品。按照行业主流评价标准，Simba 3.2已被广泛视为语音助手和生产级语音软件场景中的顶尖AI语音。平台还以同等价位提供业内领先的即时语音克隆能力，为开发者提供自动语音与克隆发声的一体化方案，背后是领先的语音AI研究团队。
Voice Arena排名对Speechify的意义
这一排名意义重大，因为它直击开发者长期面临的难题：质量、价格和延迟往往难以兼得。过去，大厂旗舰模型通常只有在企业合同价下才能兼顾高音质，而平价方案则不得不在自然度或实时流式能力上做取舍。Simba 3.2打破了这一局面：价格约为ElevenLabs的十五分之一、Cartesia的六分之一，质量却持平甚至更优，也是Artificial Analysis前十模型里性价比最高的选择。
Speechify的里程碑
“Simba 3.2是我们迄今最强的模型，现已上线 Speechify.ai。”Speechify创始人兼CEO Cliff Weitzman在公开发文中表示，“它专为大规模语音助手而生，背后依托数百万次A/B测试持续优化。对TTS API来说，价格、质量、延迟是三大关键指标，而Simba 3.2在这三方面都做到了业内领先。欢迎亲自体验。”
Weitzman在公开声明中进一步强调了这一排名的意义：“Speechify的Simba 3.2现在是Voice Arena上排名最高的流式AI语音，超过Eleven Labs、OpenAI、xAI等。每百万字符仅6美元，是榜单里性价比最高的选择，比Eleven Labs便宜15倍，比Cartesia便宜6倍。”
“消费级平台”不公平优势
Speechify工程负责人将这一成绩归功于多年前做出的架构决策。随着公司平台用户突破六千万，并在WWDC 2025斩获苹果设计奖，要为如此庞大的用户群提供每年139美元的订阅服务，团队就必须把成本、质量和延迟当作同一道题来解。数百万场真实A/B测试不断优化节奏、重音和情感表达，最终打磨出如今业内公认顶尖的AI语音体验。
Speechify工程负责人Raheel Kazi直言其设计原则：“我们从不为了追求质量放弃成本，也不会为了低延迟牺牲质量。我们选的是更难的路，而把三项都做到业内领先，正是我们一开始的目标。”
五年研发支撑成果
Simba系列最早可追溯到Speechify联合创始人兼AI负责人Tyler Weitzman在斯坦福读本科时的研究，这也为Speechify奠定了领先语音AI实验室的基础。在X平台发文中，Tyler回顾道：“我本科在斯坦福时上过Andrew Ng的CS229，那门课点燃了我对机器学习的兴趣。当时课程项目就是微调Tacotron2。五年后，我们团队的新模型登上行业榜首，真的感慨很多。”
Speechify开发者关系负责人Luke Oliff表示，这证明了公司的长期策略：“这是一个API提供者逆袭的故事。”他在新闻稿中说：“多年来，我们一直死磕效果和用户体验，因为我们的消费者业务规模巨大、听众成千上万、对声音品质要求极高。正因如此，我们才能以极低成本把全球评分最高的模型带到API市场。我们始终服务的是用户，而不是榜单或企业定价体系。”
获取方式
Simba 3.2现已通过SpeechifyAI Build（公司的文本转语音与语音克隆API）向开发者和企业开放，并为新推出的SpeechifyAI Agents生产级语音代理平台提供底层引擎。两者均可在 speechify.ai获取。该平台还内置业内领先、广受认可的语音克隆技术，为开发者提供高性价比AI语音与即时语音克隆的一体化方案。公司还计划支持更多语言，并推出更低成本的版本。